機器人具有靈敏觸覺是怎樣的？伯克利提出新型傳感器

我們擁有靈巧的雙手，可以在鍵盤上優(yōu)雅的舞蹈、可以在搖桿上精確的控制、甚至可以在設備上進行精密的裝調，這一切都離不開敏銳準確的觸覺。對于機器人來說，僅僅依靠視覺和力傳感對于很多復雜任務是遠遠不夠的。沒有觸覺它們就無法準確感知邊緣的位置、表面的強度和接觸點的質地，此外很多時候相機的視線還會擋住無法進行視覺伺服。但為機器人賦予優(yōu)異的觸覺感知卻不是一件容易的事，科學家們嘗試了多種不同的傳感器但每一種都有著各自無法克服的缺點。

近日，來自伯克利的研究人員們結合視覺研發(fā)出了一種新型的觸覺傳感器，并通過強化學習算法指導機器人準確的定位并操作目標，在觸覺的幫助下實現(xiàn)了精確的控制。為了給機器人提供準確的觸覺感知，研究人員利用柔性的硅膠和彩色LED燈制成了基于視覺的觸覺傳感器。通過采集物體與傳感器表面接觸造成的色彩變化圖像，來獲取觸覺信息。這種傳感器最大的優(yōu)勢在于可以直接通過視覺提供目標的幾何信息，并可基于幾何信息推斷接觸力的大小。上圖中我們可以明顯的看到傳感器與管子接觸時產(chǎn)生的形變，這種形變與目標外形可力相關，并可以由傳感器上燈光色彩的視覺變化準確的反映出來。

這與上圖中MIT之前的傳感器GelSight十分類似，都是基于光學手段來記錄下接觸造成的形變。利用這樣的傳感器可以幫助機器人尋找合適的抓取位置提高抓取成功率。

類似的觸覺傳感器GelSight

打造觸覺傳感器

在研究過程中，科研人員將觸覺傳感器安放到了下圖中三軸移動平臺的末端執(zhí)行器上，傳感器的接觸面朝下以便與被測物體接觸。三軸平臺可在相對工作平面的xyz方向由步進電機控制移動，在電機精度的幫助下這一平臺可以實現(xiàn)0.04mm的粗略精度，可有效地完成一系列精密操作。

傳感器被朝下安放在左上方的末端執(zhí)行器上。

研究人員對下面三個代表性的操作任務進行了研究:1.重置小球位置：機器人通過傳感器表面的感知，將金屬小球移動到目標位置。難度主要在于對小球的控制力如果不準確的話會造成它脫離傳感器和執(zhí)行器的控制，滾出控制平面。2.操作游戲手柄桿：游戲控制桿是我們進行游戲操作的常見設備，觸覺在其中扮演了重要的角色。這一任務的特殊性在于搖動搖桿時需要接觸-離開-再接觸的移動過程來得到相應的控制。3.滾骰子：這一任務的目標是滾動20面的篩子，在操作過程中十分容易劃出操作平面。不過這個任務的好處在于對應的面有數(shù)字，可以通過光學傳感器看到對應目標面的數(shù)字。

三個任務的示意圖

上面的三個任務都是通過與觸覺相關的視覺目標圖像來控制的，這意味著機器人的目標在于操作物體在觸覺硅膠面上產(chǎn)生對應的觸覺接觸圖樣，機器人基于這一圖像感知到物體的三維位姿并推測出需要的力。

深度觸覺模型預測控制

研究人員為了使用高維的圖像信息來指導上述的是三個任務，提出了一套通用的強化學習算法——觸覺模型-預測控制（tactile MPC）。這套框架建立在先前視覺研究上，通過圖像預測任務的路徑和目標位置。這三個任務可以使用同一套超參數(shù)來完成，無需人工調優(yōu)的參與。

深度觸覺預測控制模型的架構圖

觸覺算法主要通過行為-條件視覺動力學或自動收集數(shù)據(jù)上的視頻預測模型進行工作。模型從傳感器的原始像素中進行學習，基于機器人的預測動作和背景觸覺圖像就能夠預測出未來的觸覺圖像，無需額外的位置傳感器或末端執(zhí)行器的輔助。

視覺預測模型架構

為了訓練一個通用的視覺預測模型，研究人員收集了豐富多樣的數(shù)據(jù)，而這些數(shù)據(jù)很大程度上是機器人自己收集的。通過一些重置機制保證目標不脫離工作臺，機器人可以完全自主的收集數(shù)據(jù)，記錄下瑞吉運動序列的軌跡，以及每一步對應的位置和觸覺圖樣。對于上述的三個任務每一個需要花費36h用于數(shù)據(jù)收集，但不需要人類的介入。

隨機數(shù)據(jù)的收集

下面展示了模型對于三個任務的表現(xiàn)，輸入期望的目標圖像模型將輸出一系列圖像序列軌跡來指導機器人移動。

任務一：滾動小球的操作

任務二：操作游戲搖桿

任務三：滾動篩子

可以看到對于不同的任務可以使用同一套超參數(shù)獲取達到目標的軌跡序列，證明這套模型具有較強的通用性。研究人員通過這種新型傳感器和視覺預測模型的方法解決了機器人控制中的觸覺問題，為復雜物體的操作提供了新的思路，未來工作將會拓展到更為復雜的操作任務和通用部件的位置控制及裝配上。